En la psicología cognitiva hay por lo menos dos modelos que describen cómo funciona la atención visual. Estos modelos pueden considerarse en términos generales como metáforas que se utilizan para describir los procesos internos y para generar hipótesis que son falsables. En términos generales, la atención visual se cree que funciona como un proceso en dos etapas. En la primera etapa, la atención se distribuye de manera uniforme sobre la escena visual externa y el procesamiento de información se lleva a cabo en paralelo. En la segunda etapa, la atención se concentra en un área específica de la escena visual (es decir, la que está enfocada), y el proceso se realiza en serie.

El primero de estos modelos que apareció en la literatura es el modelo de centro de atención. El término "centro de atención" se utilizó por primera vez por David LaBerge, y se inspiró en la obra de William James, quien describió la atención por tener un foco, un margen, y una franja. El enfoque es un área que extrae la información de la escena visual con una alta resolución, el centro geométrico es donde se dirige la atención visual. Alrededor del foco se centra el margen de la atención que extrae información de una manera mucho más cruda (es decir, de baja resolución). Esta franja se extiende a un área y este corte se llama margen.

El segundo modelo se llama el modelo de zoom de la lente, y se introdujo por primera vez en 1983. Este modelo hereda todas las propiedades del modelo de atención (es decir, el enfoque, la franja, y el margen), pero tiene la característica añadida de cambio en tamaño. Este mecanismo del cambio de tamaño se inspiró en la lente del zoom que es posible encontrar en una cámara, y cualquier cambio en el tamaño puede ser descrito por un trade-off de la eficacia del tratamiento. El zoom del objeto de la atención puede ser descrito en términos de una relación inversa con el intercambio entre el tamaño del foco y la eficacia del tratamiento: ya que se supone que los recursos atencionales son fijos, entonces se deduce que cuanto mayor sea el enfoque, el proceso será más lento en esa región de la escena visual.