MOFA-Video es un método capaz de animar una sola imagen a través de diversas señales de control. Emplea la generación de movimiento de escaso a denso (S2D) y la tecnología de adaptación de movimiento basada en flujo, pudiendo utilizar eficientemente diferentes tipos de señales de control, como trayectorias, secuencias de puntos clave y sus combinaciones, para animar una sola imagen. Durante la fase de entrenamiento, se generan señales de control escasas mediante el muestreo de movimiento escaso, y luego se entrenan diferentes MOFA-Adapters para generar vídeos a través de la SVD pre-entrenada. En la fase de inferencia, se pueden combinar diferentes MOFA-Adapters para controlar conjuntamente la SVD congelada.