人类是视觉动物:
人类大脑的一半直接或间接致力于视觉信息处理。眼睛的视网膜包含 1.5 亿个视杆细胞和视锥细胞，实际上它是大脑的产物。大脑中致力于视觉处理的神经元有数亿个，占据大约 30％ 的皮层，其中触摸时负责视觉处理的神经元占 8％，听东西时仅占 3％ 。从视网膜向大脑传递信号的两条视神经，每条都由一百万根纤维组成，而每根听觉神经仅有 3 万根纤维。初级视觉皮层与大脑的其他部分协作处理视觉信息的不同组成部分，例如垂直或水平方向、颜色、大小、形状、运动以及重叠对象之间的区别。
大脑可以识别仅需 13 毫秒即可看到的图像
识别在如此短时间内就能看到的图像，这种能力可能帮助大脑决定眼睛的聚焦位置，而这种短暂的动作会以每秒大约三次的速度固定在点到点之间。决定移动眼睛的位置可能需要 100 到 140 毫秒，因此在此之前必须进行非常高速的理解。
人类处理视觉图像的速度比处理文本快6万倍
实际上，我们的大脑发现阅读文本的过程非常复杂。首先，大脑必须逐字进行解码，使其与存储在我们记忆中的形状相匹配。此后，大脑必须将单词连成句子，将句子连成段落。对我们来说，阅读文本是一个漫长而复杂的过程。当我们看图片时，我们的大脑可以同时处理几条信息。文本如果添加了图片，我们的大脑会更容易处理文本信息。文本中包含的图形元素可以帮助我们的大脑解码文本，从而提高我们的理解力、记忆力和保留力。图片还增加了更为强烈的情感处理，激发了我们的想象力和创造性思维。
至少 65％ 的人是“视觉学习者”
此估算来自 Richard Felder 博士在 1980 年代对工科学生进行的一项研究，该研究后来成为标准化考试“学习风格指数（ILS）”的基础。 ILS根据几种不同的频谱（包括视觉语言）对学习者进行分类。随后的研究估计，视觉学习者在其他学习方式中所占的比例甚至更高，有的甚至高达 80％，这取决于所使用的学习方式类别和研究方法。
人类拥有出色的记忆力
几天内，即使在学习过程中演示时间很短，人们也能记住 2000 张图片，超过 2000 张图片中准确率至少 90％。这种出色的图片记忆力始终超越我们记忆单词的能力。图片存储器之所以出色，可能是因为图片会自动进行多种表示并与世界其他知识关联，从而导致编码比单词（源）更为复杂。
发现使用视觉辅助的陈述比没有辅助的陈述说服力高 43％
早在 1986 年，明尼苏达大学的研究人员研究了视觉支持如何改善演示效果。该研究试图说服人们投入时间和金钱参加时间管理研讨会。该研究还将各种视觉支持所支持的演示（使用彩色 vs. 黑白；使用纯文本视觉效果与通过“剪贴画”和图形增强的视觉支持）与没有视觉支持的演示进行了比较。总体而言，使用视觉支持的演示更有说服力。尤其是，视觉支持影响了演讲者的感觉，因为它更简洁，更清晰，更好地利用支持数据，更加专业，更具说服力并且更有趣。
