InstantDrag é um processo otimizado e livre que melhora a interatividade e a velocidade usando apenas imagens e instruções de arrastar e soltar como entrada. A tecnologia consiste em duas redes cuidadosamente projetadas: um gerador de fluxo ótico baseado em condições de arrastar e soltar (FlowGen) e um modelo de difusão condicionado ao fluxo ótico (FlowDiffusion). O InstantDrag aprende a dinâmica do movimento da edição de imagens por arrastar e soltar a partir de um conjunto de dados de vídeo do mundo real, decompondo a tarefa em geração de movimento e geração de imagens condicionadas ao movimento. Ele consegue executar edições realistas rapidamente, sem precisar de máscaras ou prompts de texto, o que o torna uma solução promissora para aplicações interativas em tempo real.