本公开涉及用于神经网络的多分辨率散列编码。通过经由散列函数将神经网络的输入编码(映射)到更高维空间，可以提高神经网络在训练速度和/或准确性方面的性能。输入包括用于识别d维空间(例如3D空间)内的点的坐标。该点被量化，并且与该点对应的一组顶点坐标被输入到散列函数。例如，对于d＝3，可以将空间划分为相同大小的轴对齐体素，并且将包含该点的体素的顶点坐标输入到散列函数以产生一组经编码的坐标。这组经编码的坐标用于在已经被学习的大小为T的表中查找D维的特征向量。基于点的坐标对学习过的特征向量进行过滤(例如线性插值等)，以计算出与该点对应的特征向量。