W pracy image-to-image model otrzymuje oprócz promptu także obraz. Zależnie od metody źródło ustala kompozycję, temat albo tylko styl, a ustawienie siły decyduje, jak daleko wynik może od niego odejść. Dla sprzedawców przydatna jest forma, w której zdjęcie produktu jest kotwicą: ubranie, torba czy but pozostaje tematem, a zmienia się otoczenie, model lub światło.
Źródło niesie informacje, od których zależy wynik. Nieostre zdjęcie z telefonu, wymięte ubranie czy przebarwienie zostaje przeniesione albo model zgaduje wokół niego; ostre, równo oświetlone zdjęcie całego produktu zrobione na wprost zostawia modelowi najmniej do wymyślenia. Części, których źródło nie pokazuje, takie jak tył kurtki czy wnętrze torby, trzeba wymyślić, i właśnie tam pojawiają się błędy.
Nawet z dobrego źródła wynik jest nowym rysunkiem produktu, a nie oryginalnymi pikselami. Im wyższe ustawienie siły, tym swobodniej model przerysowuje: najpierw zmienia się scena, potem dryfują kolor i faktura, a potem konstrukcja, taka jak linie przeszyć, kształty kieszeni i położenie nadruku. Niska siła trzyma się blisko źródła, ale zachowuje też jego wady, więc ustawienie dobiera się, porównując kilka wyników z prawdziwym przedmiotem. Marketplace’y, które przyjmują obrazy AI, wymagają, by wiernie pokazywały produkt, a zasady oznaczania różnią się między nimi.