关于DRL的WTI模块： Weighted Token-wise Interaction： 直觉上，并非所有的单词和视频帧都同等重要。我们提供一种自适应方法，来调整每个标记的权重大小： 注：其中两个f函数都是MLP和softmax构成。 WTI的算法流程图： 输入video和text之后分别通过encoder，得到representation之后使用fusion weights网络计算权

安装Extension 本地安装Remote-SSH、python 远程服务器上安装Python 难点：主机和远程服务器上安装Python扩展失败，可能是网络、代理等原因导致解决方法： 主机在官方网站下载Python扩展：https://marketplace.visualstudio.com/items?itemName=ms-python.python 主机直接放在vscode的bin目录