Combinando referências sem o efeito Frankenstein

Na semana passada eu estava esboçando uma cena de rua e usei três referências fotográficas diferentes ao mesmo tempo. Uma tinha essa bela perspectiva convergente dos edifícios, outra tinha um agrupamento de figuras que eu gostava, e a terceira tinha uma iluminação interessante no pavimento. A perspectiva e as figuras combinaram quase imediatamente, mas o momento em que tentei encaixar aquela iluminação da terceira foto, tudo começou a parecer costurado em vez de completo.

Isso me fez pensar no que realmente faz com que várias referências se encaixem ou disputem entre si. Meu instinto diz que tudo se resume a manter a lógica de construção consistente. Se a direção da luz, o nível dos olhos e a escala estiverem de acordo, você pode tomar emprestado com bastante liberdade. Mas se o segundo desses fundamentos contradiz os outros, todo o desenho começa a parecer uma colagem em vez de uma cena.

Continuo tentando entender isso. Quando você utiliza elementos visuais de mais de uma fonte, como decide o que pertence e o que descartar? Existe um ponto de verificação pelo qual você passa, ou é mais uma sensação depois de ter experiência suficiente?