这一切发生得很快（扫视只停留20~200毫秒），大多数人不会意识到自己的观看模式。然而研究表明，不同的观众期望值会有不同的观看类型。有一种模式是无意识的观看，观众“只看”而没有任何特别的想法。注视模式受新颖性、复杂度和不协调性等因素影响。对一张照片来说，有趣味的东西、包含有用信息的画面部分等都能吸引眼睛。我们在前几页讨论的视觉重量也扮演了重要的角色，这是因为无意识观看也受“存储知识”的影像，比如知道眼睛和嘴能透露很多其他人的心情和态度的信息。
第二种观看模式是带任务的观看，观众希望从影像或场景中获得某些东西或者信息。在观看照片的时候，我们可以假定观众在作选择，以求获得某种满足或者娱乐（或者寄希望于照片能带给他这些）。这是一个重要的开始条件，下一步是观众的期望值。比如，如果他或者她第一眼看了照片之后，发现有些不寻常或者难以解释的东西，就很可能会通过某种观察模式来寻找能解释这种情况的信息。
Yarbus在1967年做了一个研究，一个访问者来到一间起居室的照片首先没有任何提示地展示给受试者，然后向他提6个预先准备好的问题，包括猜测照片中的人的年龄。完全不同的扫描途径表明了任务会怎样影响观看过程。
这个领域的其他研究显示，大多数人对于照片里信息量最大的部分的判断是相似的，但是这也会受个人经验（每个人的存储知识会产生各自独特的扫描途径）的影响。同样，大多数画家和摄影师都相信他们能以某种方式控制观众观看他们作品的方式（毕竟，这正是本书的主题），研究也证实了这一点。特别地，Hansen和Stovring在1988年做了一个实验，一个艺术家解释了他如何有意识地让观众观看他的作品，而随后的眼睛跟踪证实他大体上是正确的。另一个实验的有趣发现是扫描途径中第一眼的注视占据了大约30%的总观看时间，而大多数观众随后会重复它—以同样的方式重复观看，而不是花时间观看照片的其他部分。换句话说，大多数人能很快判断出他们眼中影像重要的、有趣的部分，然后继续观看这些部分。
