用于端对端视频地面对话系统的多模式变压器网络 这是该论文的PyTorch实现：。 ，，，。 。 该代码是使用PyTorch 1.0.1编写的。 如果您在工作中使用此回购中的源代码，请引用以下论文。 bibtex是： inproceedings{le-etal-2019-multimodal, title = "Multimodal Transformer Networks for End-to-End Video-Grounded Dialogue Systems", a