交互式分割允许用户通过点击正样本或负样本的方式提取目标掩码。尽管此前已有大量研究探索该方向，但学术方法与工业应用需求之间仍存在明显差距：首先，现有模型在低功耗设备上的运行效率不足；其次，当用于优化已有掩码时，模型表现不佳，容易误删正确区域。FocalClick 通过在局部区域预测并更新掩码，同时解决了上述两个问题。为提升效率，我们提出将全图缓慢的预测过程分解为两个快速推理步骤：在目标区域（Target Crop）进行粗略分割，在关注区域（Focus Crop）进行局部精细化调整。为支持与已有掩码协同工作，我们引入一项新任务——交互式掩码修正（Interactive Mask Correction），并提出“渐进融合”（Progressive Merge）作为解决方案。该方法利用形态学信息判断应保留或更新的区域，使用户能够高效地对任意已有掩码进行精细化修正。实验表明，FocalClick 在保持与当前最优（SOTA）方法相当性能的同时，显著降低了计算量（FLOPs），且在修正已有掩码方面展现出显著优势。代码与数据将公开于 github.com/XavierCHEN34/ClickSEG。