InstantDrag est un processus optimisé et fluide qui améliore l'interactivité et la vitesse en utilisant uniquement des images et des instructions de glisser-déposer comme entrées. Cette technologie repose sur deux réseaux soigneusement conçus : un générateur de flot optique conditionnel au glisser-déposer (FlowGen) et un modèle de diffusion conditionnel au flot optique (FlowDiffusion). InstantDrag apprend la dynamique du mouvement de l'édition d'images par glisser-déposer à partir d'un jeu de données vidéo du monde réel en décomposant la tâche en génération de mouvement et génération d'images conditionnelles au mouvement. Il est capable d'effectuer des éditions réalistes rapidement, sans masque ni invite textuelle, ce qui en fait une solution prometteuse pour les applications interactives en temps réel.