当我们参与利用此信息的任务时，视觉工作内存会在短时间内存储有关有限数量的感知对象的信息。例如，如果要求您在屏幕上记住圆圈，然后调出其中一个圆圈的大小，则将使用视觉工作记忆。

众所周知，工作存储器的容量是有限的：我们平均能够记住大约三个或四个对象。许多理论认为，每个对象都独立于其他对象而被存储，存储和遗忘在工作存储器中。相反，分层编码框架的支持者与此假设不同。根据该框架，存储器不仅分别对每个项目上的信息进行编码，而且还对对象组上的信息一起进行编码。关于该组的这种通用表示形式被编码为整体汇总统计数据。视觉系统可以计算出存在的所有项目特征的平均值和标准偏差。例如，我们可以轻松地评估和记忆一棵树上苹果的平均大小，以及所有苹果与该平均苹果的相似程度。

研究人员进行了一系列实验，这些实验证明了集成统计数据对单个项目的记忆的巨大影响。在其中一个实验中，向参与者显示了一组四个具有不同顶点方向的等腰三角形。顶点方向的范围各不相同：它们指向的方向大致相同或完全不同。变异性越高，计算平均方向就越困难。

要求参与者记住三角形的方向，然后回忆一个随机选择的三角形。如果分层编码理论正确，则一组顶点的方向将影响整体统计计算的质量(精度)(所有三角形的平均方向)，从而影响单个三角形的精度。

研究人员发现，单个方向报告的准确性取决于所有方向的可变性。此外，参与者如何准确地记住显示器中项目的方向与如何记住要记住的方向之间存在很大的相似之处。