DragNUWA 是一种基于扩散算法的视频生成模型，旨在解决视频生成中的精细控制问题。该模型通过引入文本、图像和轨迹信息，并从语义、空间和时间角度提供精细控制。实验证明 DragNUWA 模型在视频生成的精细控制方面表现出色。