康定斯基的三角形所顯示出來的文化精英與大眾的對立源自城市文化自身的矛盾：這些文化精英是古典文化積累、發展的結果，本身並不屬於市民文化；但它又從傳統文化的秩序中蟬蛻出來，依附在現代城市的市民文化基礎上。市民一方麵對這種具有古典的高貴性、超越性的文化表示尊敬和膜拜，另一方麵也在自身的發展中醞釀著對精英的反叛。
德國社會學家齊美爾在談到現代大城市的問題時提到了一個聽起來有點兒奇怪的看法：“在大城市中可以看到許多人，但他們的數量、他們的個性則很少能由聽覺感覺到。”有一位民俗學家哈貝爾蘭德也抱怨現代文明“剝奪了聽覺”。這些學者在向現代文明造成的噪音宣戰時發覺，大城市造成了交往個體化的喪失，這種交往個體化的喪失則是因為個人聽覺的損失引起的。現代大城市文明對聽覺的剝奪或許可以從最簡單的字麵意義上理解，就是城市的噪音汙染所造成的公害問題。但這個問題還存在著另一個形而上的方麵：聲音雖然可能是傳播在社會公眾當中的，但公眾對聲音的感受卻存在著個人的差別，也就是說從感覺來說是無法共享的。尤其是像音樂這樣需要體會細微差別的聲音更是難以溝通共事，所以才有“知音難覓”之歎。因此聽覺，尤其是音樂感受力，應當說是一種內在的、個性化的知覺。古希臘的哲人把音樂稱作是對靈魂的模仿，黑格爾也認為音樂是各類藝術中最接近心靈的藝術，這都說明了聽覺藝術的內在性品質。現代文化精英所傳播的占典藝術中最深奧莫測、最超凡脫俗的也就是音樂。
城市的市民盡管承認文化精英們所約定的藝術價值，但真正要能理解精英們的古典藝術作品的價值恐不那麼容易，特別是就這些藝術的內在價值而言。貝多芬的第十四（升C小調）鋼琴奏鳴曲以《月光奏鳴曲》聞名於世，然而這個名字與作品本身卻毫無關係。據說隻是因為批評家雷爾斯塔說這支曲子令他想起琉森湖上的月光，樂曲便因此而得名。為什麼這麼一句無關宏旨的話——甚至可能其實與作品的意趣風馬牛不相及——會產生那樣大的影響呢？道理很簡單：就是因為這樣一句話，把一支需要很高的藝術修養和想像力才能“聽”懂的樂曲變成了可以“看”的畫麵。相對於聽覺而言，視覺是外在的、感官性的知覺，因此也是比聽覺更容易溝通、共享的大眾化的知覺。現代城市中公眾藝術的發展，突出地表現為視覺的發展，就是從“聽”轉向“看”的發展：戲劇、歌舞的視覺形象變得越來越華麗，音樂也越來越依賴視覺的闡釋——用景色、故事、軼事等具有視覺性的隱喻來解釋音樂的意蘊，或者幹脆用電視畫麵來包裝音樂如MTV，這種做法的結果大半是反客為主，音樂成了電視畫麵的伴音陪襯。結果真的如齊美爾所說，公眾藝術中的“聽覺”正在被剝奪掉。
最能體現城市公眾藝術向視覺方向發展的一個重要標誌是電影的產生。電影在開始時與戲劇保持著密切的聯係，早期的電影院與劇院沒有什麼差別，在默片時代甚至還有樂隊在電影播放時演奏助興。電影因此獲得了一種與戲劇相似的儀式性意味——限定的時間、場所和演出的氛圍等等。這種儀式性使得電影從一開始就承擔了與戲劇等公眾藝術活動相似的使命，即表達社會公眾的價值觀念。盡管電影在發展過程中出現了種種個人化的傾向，如早期的印象派和後來形形色色的實驗電影，但電影的主流卻是作為公眾儀式性藝術活動的、在電影院播放供大眾觀看的通俗敘事電影。這一主流的代表就是好萊塢。電影作為現代視覺藝術的一個重要特點是它從傳統的視知覺藝術演變成為視幻覺藝術。電影的活動畫麵是通過技術手段製造的視錯覺，這一技術特性使得電影從一開始就具有逼真幻覺的特點。盡管隨著觀眾對電影技術效果的習慣化，電影產生的幻覺效果也在衰退，但以好萊塢為代表的主流電影，尤其是近年來以高科技手段製作驚人視覺效果的所謂“大片”，卻通過不斷地追求技術上的進步而發展著電影的視幻覺特性。如果說在盧米埃爾兄弟和格裏菲斯的時代，電影所製造的幻覺效果是依賴於觀眾對電影技術的無知；那麼對於20世紀後期的觀眾來說，情況顯然就不同了。很難想像一個生活在當代大都會文化環境中的市民會不知道，電影中所有匪夷所思的場景不過是現代技術的魔術。然而這並沒有使電影的魅力降低。人們盡管根據以往的經驗知道電影中的一切都是假的，但一部成功的好萊塢式的“大片”仍然會將觀眾在觀賞的過程中帶入幻覺狀態。有許多電影盡管觀眾在事後回味起來覺得沒什麼意思，但在觀賞時卻仍然會隨著電影情節或喜或悲、或驚或懼。這再清楚不過地表明，觀賞電影的活動是一種近乎催眠狀態的剝奪認知能力的活動。而製造催眠效果的媒介就是視覺。電影院裏一片漆黑的環境與明亮耀眼的銀幕之間強烈的反差製造出了高度專注、高度興奮的視覺，在這種感知覺狀態下強烈的視覺刺激便順理成章地吸引了觀眾的主要注意力，從而剝奪了自主的認知能力。