腾讯联合清华大学和香港科技大学推出了一款全新的图生视频大模型 Follow-Your-Click，该模型能够通过简单的点击和提示词，使静态图像中的特定区域产生动态效果。这一模型采用了图像语义分割工具和高效的首帧掩模策略，结合了名为 WebVid-Motion 的数据集和运动增强模块，以及基于光流的运动幅度控制，从而大大提升了可控图生视频的效率和可控性。虽然模型对于生成大型复杂人体动作仍存在局限性，但已经在实际应用中展现了潜力。该模型已经在《人民日报》的原创视频《江山如此多娇》中得到了应用。整体而言，这一模型的推出标志着在多模态领域取得了重要进展，为图像局部动画的实现提供了全新的可能性。