Segundo essa teoria, ao captar uma imagem, o olho humano levaria uma fracção de tempo para "esquecê-la". Assim, quando os fotogramas de um filme de cinema são projectados na tela, o olho misturaria os fotogramas anteriores com os seguintes, provocando a ilusão de movimento: um objecto colocado à esquerda num fotograma, aparecendo à direita no fotograma seguinte, cria a ilusão de que o objecto se desloca da esquerda para a direita.

Estudos mais recentes comprovam que a visão é mais complexa e que essa explicação não é inteiramente correcta. Sabe-se hoje que a ilusão de óptica provocada pela exibição de imagens em sequência se divide entre o movimento beta e o movimento phi. Avanços nas áreas da fisiologia e neurologia procuraram demonstrar já nos anos 70 que a persistência da visão seria um mito. Hoje ainda o conceito é usado, especialmente por teóricos do cinema.