O MOFA-Video é um método que permite animar uma única imagem usando diversos sinais de controle. Ele emprega geração de movimento esparso para denso (S2D) e técnicas de adaptação de movimento baseadas em fluxo, podendo usar eficazmente diferentes tipos de sinais de controle, como trajetórias, sequências de pontos-chave e suas combinações, para animar uma única imagem. Na fase de treinamento, sinais de controle esparsos são gerados por meio da amostragem de movimento esparso, e diferentes MOFA-Adapters são treinados para gerar vídeos por meio de SVD pré-treinado. Na fase de inferência, diferentes MOFA-Adapters podem ser combinados para controlar coletivamente o SVD congelado.