Layout-to-Image (L2I) wurde im November 2018 von einem Forschungsteam der University of British Columbia vorgeschlagen, und die entsprechenden Forschungsergebnisse wurden in dem Artikel „I“ veröffentlicht.Bildgenerierung aus Layout", ausgewählt für CVPR 2019.

Layout-to-Image (L2I) ist eine neuartige, layoutbasierte Methode zur Bildgenerierung. Ausgehend von einem groben räumlichen Layout (Begrenzungsrahmen + Objektkategorien) generiert das Modell eine Reihe realistischer Bilder, in denen die Objekte korrekt und optimal positioniert sind. L2I zerlegt die Repräsentation jedes Objekts in deterministische Kategorieinformationen und unsichere Erscheinungsinformationen. Die Kategorie wird mithilfe von Wortvektoren kodiert, während die Erscheinung auf einen niedrigdimensionalen latenten Vektor abgebildet wird, der aus einer Normalverteilung stammt. Die Objektrepräsentationen werden anschließend durch ein Convolutional LSTM (Long-Sense-Term Memory) zusammengeführt, wodurch eine einheitliche Kodierung des gesamten Layouts entsteht, die schließlich zu einem vollständigen Bild dekodiert wird.