文脈外誤情報（OOC）は、ニュース報道における低コストの誤情報形式であり、実際の画像を文脈外または捏造された画像-テキストペアに配置することを指します。本研究では、OOC誤情報検出のために訓練データとテストデータが同じ分布から得られると仮定する従来の手法の限界を克服するため、ドメイン適応能力を向上させる「VDT」を提案します。これにより、ドメイン不変特徴を学習し、テスト時トレーニング機構を活用します。具体的には、ドメイン不変変分整列モジュールを使用して源とターゲットのドメインデータを共同で符号化し、分離可能な分布空間を学習します。テスト段階では、テストタイムトレーニング戦略と信頼度-バリアンスフィルタリングモジュールを採用し、モデルをターゲットドメインに適応させることで、最先端のベースラインを上回る性能を実現しました。