観客による画像の感覚的デコード——客観的現実ではなく、編集、音楽、焦点が神経生物学的に引き起こすもの。モンタージュは場所より速く作用する。
編集作業をしているとすぐに気づく。観客はあなたが撮影した映画を見ているのではなく、あなたの編集によって脳が再構築した映画を見ているのだ。これが映画的な意味での「知覚」の核心である。客観的な映像の連続ではなく、スクリーンと頭蓋骨の間のブラックボックスで起こる感覚的なデコードプロセスなのだ。
簡単な編集シーケンスを考えてみよう。顔のクローズアップ、無人の通りへのカット、そして元に戻るカット。観客は孤独を感じる。たとえ両方の映像がニュートラルであってもだ。モンタージュが知覚を誘導したのだ。あるいは別の例として、同じテイクを2つ用意する。片方にはオフでヴァイオリンを流し、もう片方にはアンビエント・サウンドだけにする。すると、全く異なる感情的な反応が引き起こされる。編集自体は同じだが、音と音楽によって知覚は劇的に変化する。
厄介なのは、フォーカスや露出はモンタージュほど直接的には作用しないことだ。ワイドショットで完璧にライティングされた顔は、視覚的には客観的だが、認知的には受動的だ。観客はそれをそのまま受け入れ、積極的にデコードしようとはしない。対照的な2つのショットをカットで繋ぐと、脳は関連付けを強制される。これが積極的な知覚の形成だ。だから、エーリッヒ・フォン・シュトロハイムのショット（長く静的なテイク）が、レフ・クレショフ効果（短く連想的なカット）と異なるのは、映像が違うからではなく、観客の働き方が違うからなのだ。
セットでは、ドリーショットが24fpsでレンズの前を通過する。無害で、現実的でさえある。しかし、編集でそのドリーショットをジャンプカットと繋ぐと、同じ動きが突然、不安で不自然に見えてくる。観客の知覚は、ソースではなく、テンポ、リズム、文脈に依存する。極端な広角レンズは、キャラクターを小さく失われた存在に見せることもあれば、前に何を見せたか、後に何を見せるかによって、支配的で圧倒的な存在に見せることもある。映像はニュートラルではない。あなたの編集が知覚を形作るのだ。
これは実際にはどういうことかというと、客観的な映像知覚を期待するなということだ。構築された出来事としての知覚を期待せよ。カット、音楽、照明、音は孤立して機能するのではなく、一つの認知体験へと融合する。完璧な照明はそれ自体で効果があると考えている若い撮影監督は、この原則を見誤っている。照明はドラマツルギー的な文脈の中でしか効果を発揮しない。知覚は模倣ではない。それは提示による操作なのだ。