• El ambiente propio desencadena el proceso perceptivo, esta información que llega a los sentidos es suficiente para especificar las propiedades de un objeto distal. 
• No hay procesamiento mental de la señal ni tampoco inclusión de conocimientos previos en la percepción.

1.  La información actual
2. Las sensaciones provenientes de los órganos sensoriales
3.  La información proveniente de sus expectativas y conocimientos previos. 

• La información proximal no es suficiente para producir el proceso perceptivo (la imagen retiniana no basta), esta debe combinarse con la Memoria a Largo Plazo y la Experiencia. (Modelos constructivistas)
• Esta combinación permite que en base a expectativas y creencias, formulemos una hipótesis de la información sensorial entrante.

• El sistema visual puede obtener tempranamente una descripción valida de las propiedades físicas de una escena visual, pero, para que tenga lugar la comprensión cognitiva de la percepción en si misma (la identificación efectiva de un objeto como siendo 'ésto' o 'aquello') se requiere la intervención de los conocimientos previos.

•  La estimulación proximal es lo suficientemente rica como para desencadenar el proceso de la visión: a partir de variaciones en la intensidad de la luz en cada punto de la imagen, el cerebro elabora una descripción fidedigna de la escena, la cual al final del proceso y sobre la base de la información acumulada, se le asigna un significado particular. 

•  La visión tridimensional sería el resultado de un complejo procesamiento de la imagen retiniana.

•  Nivel Computacional: Una teoría computacional de la visión que busque extraer las propiedades de los objetos a partir de las imágenes que debe de esclarecer: ¿Qué función cumple?, ¿qué es lo que computa?, y ¿"por qué" razón lo hace?. Dada una información contenida en una imagen bidimensional, que propiedades permiten interpretarla como si fuera una imagen tridimensional. Según Marr, la función que cumple es transformar entradas (inputs) en forma de imágenes en salidas (outputs) en forma descriptiva. 

•  Nivel Algorítmico: Busca establecer cuáles son las operaciones fundamentales encargadas de realizar las funciones de transformadoras, ¿cómo realizará las operaciones? (¿que formato representacional utilizará cada una de las entidades significativas?). Marr responde a esta cuestión de forma que el cálculo se produce mediante procesos y representaciones, los cuales deben ser especificados.

•  Nivel Instrumental (hardware): Especificar en qué dispositivo tendrá lugar el proceso: máquina mecánica, ordenador, o cerebro. Si tendrá lugar sobre los mecanismos neuronales del sistema visual o sobre los mecanismos electrónicos de un ordenador. Este nivel señalará el alcance y los límites del soporte físico en el que tiene lugar el procesamiento. 

•  Lo que uno percibe tal vez no esté físicamente presente en el estimulo y por lo tanto, no esta presente en la imagen retinal.  

•  De esta forma, el sujeto percibiría en forma directa y, también, verídica el mundo sin necesidad llevar a cabo ningún procesamiento mental del input estimular, ya sea bajo un proceso de construcción de hipótesis o de derivación de conclusiones.
•  Los organismos estarían ya preparados para detectar directamente tanto las propiedades físicas de los objetos distales (su forma, tamaño, distancia, etc.) como sus usos potenciales (la 'comestibilidad' de una manzana, la 'arrojabilidad' de una piedra, la 'escalabilidad' de una escalera, la 'sentabilidad' de una silla, etc.). En opinión de Gibson cuál de las múltiples potencialidades de un objeto va a ser capturada por el perceptor, dependerá del propio estado interno del organismo. 

•  Patrones de flujo óptico: Los patrones de flujo óptico se refrieren a cambios en la ordenación óptica a partir del movimiento de quien los percibe. 
• Gradientes de textura: son importantes claves de profundidad que se perciben directamente sin la necesidad de ninguna inferencia. 
• Posibilitadores: son los usos potenciales y directamente perceptibles de los objetos, como las superficies en las que uno se puede parar o sentar. 

 "El Todo no es mas que la suma de sus partes" 

• La percepción volumétrica sería posible a pesar de la bidimensionalidad de la imagen retiniana y sin el concurso de la información almacenada en la memoria. Esto seria posible gracias a la doctrina del isomorfismo psicofísico sostenida por estos psicólogos, según la cual, el ingreso de los datos sensoriales provocaría la formación de un campo eléctrico en el cerebro el cual, por la propia dinámica de las fuerzas que lo componen, tendería a asumir una estructura simple, estable y bien conformada. 
•  Bajo la linea de que los mecanismos que producen las gestalts son innatos, sus descubrimientos se formalizaron bajo una serie de principios, que a su vez, permiten explicar la percepción de estímulos externos a modo de totalidades y no como una suma de sus componentes.
•  Estos son conocidos como: 

1. La ley de pregnancia o buena figura
2.  La ley de articulación figura-fondo 
3. Las leyes de la organización perceptual (Ley de proximidad, Ley de semejanza, Ley de la continuidad, Ley de contraste y Ley de cierre)

• De esta forma asumieron que los perceptores simplemente usan las leyes de agrupamiento perceptual y que no es necesario el aprendizaje perceptual. Sin embargo, no proporcionaron las evidencias empíricas del caso. 

• Según el supuesto del isomorfismo, esta estructura cortical guardaría una correspondencia estructural con el campo fenoménico de la percepción por lo cual, en última instancia, dichos eventos cerebrales serian los responsables de el fenómeno de la percepción de contornos ilusorios

•  Berkeley proponía que las sensaciones visuales generadas por un objeto a cierta distancia del perceptor se asociaban con las sensaciones kinestésicas (como se perciben la posición y el equilibrio de diversas partes del cuerpo) producidas por los movimientos de brazos y piernas en los intentos de querer asir el objeto distante y, además, con las sensaciones producidas por los movimientos de acomodación y convergencia del cristalino (estructura del ojo) que ocurren automáticamente para mantener en foco el objeto. Con el tiempo, la sola visión del objeto a determinada distancia del preceptor, evoca en él el recuerdo de las experiencias kinestésicas anteriores. Estos recuerdos vienen a complementar las sensaciones visuales actuales de forma que el sujeto puede llegar a inferir a qué distancia se encuentra el objeto. En conclusión, la percepción de la distancia viene a ser el resultado de combinar sensaciones visuales y recuerdos de sensaciones anteriores. 

1.  La convergencia y la acomodación. El primero es un proceso de ajuste óculomotor por el cual los ojos, progresivamente, tienden a rotar hacia dentro a medida que el objeto se acerca al perceptor logrando de ese modo mantener bien enfocada la imagen de dicho objeto. El segundo, es un proceso del mismo tenor por el cual el cristalino cambia su curvatura o grosor con la distancia del objeto. Así, éste tiende a engrosarse cuando el objeto está cerca y, por el contrario, a disminuir su curvatura cuando el estímulo distal se encuentra lejos del observador (el grado de tensión muscular asociado a estos movimientos de ajuste viene a servir como un indicador de la distancia que el estímulo guarda)
2.  Interposición. La oclusión parcial de un objeto por otro en el campo visual normalmente proporciona información de la distancia por cuanto el objeto que cubre a otro, en los hechos, está más cerca del observador. 
3.  Perspectiva aérea. El smog, el polvo, el vapor de agua y otras partículas en el aire producen un efecto diferencial sobre el nivel de absorción y dispersión de las diferentes longitudes de onda que componen el espectro visible 
4.  Con la distancia, las imágenes retinianas de los objetos distantes son más borrosas y con menos contraste y brillo. Este cambio en los parámetros de brillantez, nitidez y tinte vienen a funcionar como indicadores de distancia: visión detallada, contrastante y bien matizada para objetos cercanos; visión más borrosa con predominio de tonos azules para objetos lejanos.

• Como resultado de la experiencia pasada, inferimos que las sensaciones presentes significan que nos encontramos en presencia de tal o cual objeto a tal o cual distancia (importante papel de las expectativas y conocimientos previos en la estructuración de un percepto).

• En primer lugar, Los demonios de imagen que son los encargados de preservar la señal sensorial por un cierto período de tiempo, a través de una suerte de copia mental del estimulo externo.
• Luego, Los demonios de características analizan la señal sensorial en busca de características elementales (en el caso de las letras del alfabeto: líneas horizontales, ángulos agudos y otros rasgos por el estilo) , cada vez que detectan en la imagen estas características, el demonio se activa.
• A continuación, Los demonios cognitivos compilan las características distintivas de cada input sensorial analizando los mensajes emitidos por los demonios anteriores y, ante cada característica compilada que se encuentre presente en la señal sensorial, se activan en relación al número de características encontradas. 
• Y por ultimo, Un demonio de decisión analiza el nivel global de activación de los distintos demonios cognitivos y decide sobre la base del nivel de activación de los demonios cognitivos, qué patrón estimular se tiene enfrente.

• Antes de que se produzca la comparación entre la nueva entrada y la plantilla, la entrada sufre un proceso de eliminación que separa la información esencial de la no esencial

• El reconocimiento es efectuado cuando se compara el estimulo sensorial que incide en la retina con la representación a largo plazo de dicho objeto contenido en la memoria. Si hay una plena coincidencia entre el estimulo y una de las plantillas se reconoce la forma.

• Reconocimiento por comparacion de plantillas
• Reconocimiento por deteccion de caracteristicas
• Modelo del Pandemónium
• Reconocimiento por marcos de referencia
• Reconocimiento por componentes
• Reconocimiento por procesamiento distribuido en paralelo