Las descripciones de las estructuras de los objetos que percibimos para poder compararlos deben estar almacenadas en el cerebro, de tal forma que podemos comparar el objeto que estamos viendo y los objetos que conocemos. Además para reconocerlos es necesario la representación tridimensional de los mismos.
Marr sugirió que la percepción se realiza básicamente en tres etapas:
-
Una representación inicial referida a los cambios de intensidad, de brillo, los contornos, etc.
-
Una representación centrada en el observador, donde se representan las localizaciones espaciales de las partes del objeto visibles desde la posición del observador.
-
Una centrada en el objeto, donde la posición de los objetos es independiente de la posición del observador e implica la forma real de los objetos y como se sitúan respecto a otros.
Ellys y Young plantean un modelo que recoge los planteamientos de Marr: la percepción se inicia en la representación inicial del objeto (1); un segundo nivel de representación centrada en el observador (2) que accede a las representaciones centradas en el objeto (3) y a las unidades de reconocimiento de objetos (4). Las tres primeras fases describen el aspecto externo del objeto, mientras que las unidades de reconocimiento de objetos especifica sus propiedades y atributos. Consideran que contamos con una unidad de reconocimiento para cada objeto conocido. Además cada unidad puede acceder al sistema semántico cuando la representación visual se corresponde con la descripción del objeto almacenado en la unidad de reconocimiento.