Trabajé en una prótesis visual por un corto tiempo en la escuela de posgrado. Así que gracias por tu pregunta.
Michael señaló correctamente que la imagen se forma en la corteza visual en lugar de en la retina.
Sus ojos generalmente escanean, en lugar de abarcar toda una escena; así es como puedes quedarte ciego al cruzar una calle si no miras a la izquierda y a la derecha. También significa que partes de la imagen en la corteza visual pueden tener algunos segundos de antigüedad; el cerebro llena lo que el ojo no está mirando en ese momento.
La mitad de la lente del ojo siempre está alineada con la retina, por lo que la mejor opción para ver lo que ve es captar eso (aunque esto solo funciona si se trata de un sujeto iluminado en una situación comparativamente oscura).
El otro método para adivinar lo que está viendo el cerebro es escanear el cerebro mientras el sujeto está siendo visto. Piensa fMRI o electrodos. No puedes ver visualmente lo que ve el espectador, pero puedes adivinar si ya asignaste la respuesta eléctrica a un determinado estímulo. Esto se ha hecho en pruebas con animales, pero no estoy seguro de que se haya hecho con humanos.