I bilde-til-bilde-arbeid får modellen et bilde i tillegg til en prompt. Avhengig av metoden fastsetter kilden komposisjonen, motivet eller bare stilen, og en styrkeinnstilling avgjør hvor langt resultatet kan bevege seg bort fra den. For selgere er den nyttige formen den der produktbildet er ankeret: plagget, vesken eller skoen forblir motivet mens omgivelsene, modellen eller lyset endres.
Kilden bærer informasjonen resultatet avhenger av. Et uskarpt telefonbilde, et krøllete plagg eller et fargestikk blir enten videreført eller gjettet rundt; et skarpt, jevnt belyst bilde av hele produktet, tatt rett forfra, gir modellen minst å finne på. Deler kilden ikke viser, som baksiden av en jakke eller innsiden av en veske, må diktes opp, og det er der feilene oppstår.
Selv fra en god kilde er resultatet en ny tegning av produktet, ikke de originale pikslene. Jo høyere styrkeinnstillingen er, desto friere tegner modellen om: først endres scenen, så glir farge og struktur, så konstruksjonen, som sømlinjer, lommeformer og plasseringen av trykk. En lav styrke holder seg nær kilden, men beholder også feilene i den, så innstillingen finnes ved å sammenligne noen resultater med den virkelige varen. Markedsplasser som godtar KI-bilder, ber om at de viser produktet nøyaktig, og reglene for merking varierer mellom dem.