کیوبیک اجازه میدهد تا جستجوهایی را انجام داد که در بردارنده رنگ، بافت، شکل و نیز اشیایی هستند که در نقاشی ارائه شده اند. همچنین از طریق ارائهٔ نمونه (یافتن تصاویری شبیه به تصویر ارائه شده) می توان جستجو کرد. هالت و هارت و یک گزارش داده اند که جستجو " از طریق شکل هایی که در نقاشی ها وجود دارند میتواند مشکلات قابل ملاحضه ای به وجود آورد.

فنون تشخيص و انطباق اشکال هنوز چندان مناسب نیستند. اما، همانطور که پیکارد و مینکا (۱۹۹۵) اشاره کرده اند، تحلیل شکل نمی تواند همهٔ درخواست ها را پاسخ دهد زیرا بسیاری از تصاویر مورد جستجو (یک مزرعه، آب، گروهی از افراد، آتش) شکل تعریف شده ای ندارند بلکه باید براساس بافت بازیابی شوند. انها روش هایی را مورد بحث قرار داه اند که برای شناسایی مناطق ظاهراً شبیه به هم در یک تصویر، از مشخصه هایی چون جهت، تناوب، تصادفی، زبری، نظم، بی نزاکتی، توزیع رنگ، کنتراست و میزان پیچیدگی استفاده میکنند. سیستم ازمایشی انها، برای تشخیص صحنه های ظاهرا شبیه به هم از رفتاری شبیه به رفتار انسانی استفاده می کند. پیکارد (۱۹۹۵) برای بازیابی تصاویر از بافت بصری" بهره میگیرد.

گیودی وادا و راگاوان (۱۹۹۵) حتی موقعیت های بازیابی پیچیده تری را شناسایی کرده اند که در انواع معینی از پایگاه های تصویری وجود دارد، مثل نمایش و بازیابی تصاویر سه بعدی (بازیابی از طریق حجم ) و بازیابی از طریق حرکت" (یعنی، یافتن تصویری که یک فعالیت خاص را نمایش میدهد). برای مشاهده مثال هایی از سیستم های بازیابی تصاویر که در آنها جستجوی رنگ، بخشی اصلی را شکل میدهد به آثار آگله و استون بریکر (۱۹۹۵) و اسمیت و چانگ (۱۹۹۷b) مراجعه کنید.

آگنیو و دیگران (۱۹۹۷)، یک روش آزمایشی برای جستجوي نمونه اي تصاویر بر روی وب را شرح داده اند. این سیستم، تصاویر را بازیابی کرده، براساس رنگ، اندازه، و سایر مشخصه ها آن را نمایه سازی میکند و نمایه ها را بر روی رایانهٔ خدمات دهنده ذخیره می نماید. اسمیت و چانگ (۱۹۹۷a) با استفاده از ویژگی های بصری و متنی، روش دیگری را برای نمایه سازی تصاویر و بی مورد بحث قرار داده اند.

گرچه روش هایی غیر کلامی برای بازیابی تصاویر وجود دارند، اما احتمالا  بتوان از نمایه سازی و بازیابی کلمه - پایهٔ معمول در بسیاری از جستجوها استفاده کرد؛ همانگونه که آرناگر اشاره میکند:

گرچه ایدهٔ ارائهٔ پرسش از طریق تصویر بسیار توصیه شده است، اما این روش همیشه با با نمیتواند جایگزین قدرت توصیفی کلماتی شود که ممکن است برای بعضی از مفاهیم روستاهای کوچکی نروژ با "غبطه به کار برد. (ص ۲۱۴)

کاوکل (۱۹۹۳) به نکات مشابهی اشاره کرده است:

کلمات، جایگزین درخواست های تصویری خواهند شد زیرا این روش ها پالایش شده اند؛ همهٔ مفاهیم را نمیت وان با درخواستهای تصویری ارائه کرد. درخواستهایی مثل " آیا تصاویری با وجود دارند که در آنها خانم ها مدال برگردان داشته باشند؟" یا "آیا تصاویری مربوط به قرن ۱۷وجود دارد که در آنها حیوانات دست آموز وجود داشته باشند؟" با این روش (کلمات) بهتر پاسخ گفته میشوند. مفاهیم موجز به همراه توصیفگرهای کلمه ای مناسبتر خواهند بود. (ص ۴۰۹)