MiraData是一个大规模的视频数据集，专注于长视频片段，平均时长72秒，提供结构化字幕，平均字幕长度318字，丰富了视频内容的描述。通过使用GPT-4V等技术，MiraData在视频理解和字幕生成方面展现出高准确性和语义连贯性。

LVBench是一个专门设计用于长视频理解的基准测试，旨在推动多模态大型语言模型在理解数小时长视频方面的能力，这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

FreeNoise是一种无需调整的长视频扩散技术，通过噪声重新调度实现。它支持生成高质量的长视频，且能够根据多个文本条件进行生成。与现有的视频生成模型相比，FreeNoise具有更高的生成能力和时间效率。它通过窗口函数对一系列噪声进行时间注意力调整，以保持内容的一致性。此外，它还设计了一种新颖的运动注入方法，支持基于多个文本提示的视频生成。与之前最佳方法相比，FreeNoise的时间成本几乎可以忽略不计。