이미지 검색은 사용자 질의를 기반으로 가장 적합한 이미지를 반환하는 태스크다. 기존의 텍스트, 이미지, 스케치 질의 방식은 객체 위치와 크기 묘사에 한계가 있다. 이에, 본 논문에서는 객체 레이아웃 질의 기반 검색 방법을 제안한다. 이 방법은 기존 연구에서 발생한 객체 특징벡터 생성의 문제를 해결한다. 먼저, 유사도 비교시 질의 영역에 국한된 특징벡터를 추출하는 마스킹 방법을 사용한다. 이 방법은 이미지에 대해 추출된 CNN 특징벡터에서 질의 캔버스의 특정 영역에 초점을 맞출 수 있게 한다. 또한, Layout Diffusion 이미지 생성모델을 이용해 레이아웃 기반의 픽셀 수준 이미지를 생성해 질의 특징벡터를 생성하는 방법을 제안한다. 생성된 이미지에 대한 특징벡터는 CNN 특징 추출기로 얻는다. 본 논문에서는 또한 CLIP을 활용한 객체 명 임베딩 방법을 제안한다. 마지막으로, 생성된 특징벡터에 정규화를 적용하는 방법을 제안해 검색의 정확도를 향상시키며, 이를 통해 mAP@10 기준 0.772, nDCG@10 기준 0.671의 성능을 달성한다.