A vizuális figyelem és a rövid távú munkamemória (összefoglalva vizuális kogníció) neurális elmélete (neural theory of visual attention and short-term memory, NTVA) szintén említésre méltó a tárgyalapú figyelem modern elméleteinek sorában. A modell alapjait Bundesen dolgozta ki matematikai alapokra építve, majd később számos módosítással létrejött az NTVA (Bundesen et al., 2011). Az NTVA két lényegi folyamatot különböztet meg, amelyek a vizuális szelekció mechanizmusai: ezek a szűrés (filtering) és a csoportosítás (pigeonholing; ld. 13. ábra). A szűrés, melynek során a tárgyak szelekciója történik, azt a folyamatot írja le, hogy egy tárgy reprezentációjáért felelős kérgi neuronok száma aszerint változik, hogy a tárgynak milyen (viselkedéses) jelentősége van. A csoportosítás (vagy beskatulyázás) során a vonások szelekciója történik, és azt a jelenséget írja le, hogy az adott vonást kódoló neuronok milyen mértékben aktiválódnak. Az elmélet szerint azok a tárgyak és vonások nyerik a versengést a vizuális rövid távú memóriába jutásért (vagyis azok kerülnek először feldolgozásra), amelyek viselkedéses szempontból fontosak az adott helyzetben. Azok az ingerek kerülnek további feldolgozásra, amelyek a legnagyobb figyelmi súllyal szállnak be a versenybe. A figyelmi súlyokért felelős idegrendszeri hálózat kezdőpontjában a corpus geniculatum laterale (CGL) áll, amely jeleket küld a megfelelő látásért felelős kérgi (striatális és extrastriatális) területekre, ahol kiszámításra kerülnek a „súlyok”, amelyek annak erősségére utalnak, hogy egy tárgy az adott méretben és pozícióban rendelkezik adott vonásokkal. Ezek a súlyok megszorzódnak a kiváltott aktivitás mértékével a pulvinarban, ahol ezt követően összegzésre kerülnek. Ezután a vizuális rövid távú memória visszajelzést ad, és fenntartja az aktivitást azokban a neuronokban, amelyek megnyerték a figyelmi versenyt.