本論文では、前処理済みVLM（視覚言語モデル）がゼロショット分類において優れた能力を示す一方で、一般的な画像の劣化によって予測結果が大きく低下する問題に焦点を当てています。従来のテストタイム適応（TTA）手法がポジティブデータ増強（PDA）を採用しているのに対し、本研究はネガティブデータ増強（NDA）に基づいた新しい手法「Panda」を提案します。Pandaは、画像をパッチに分割し、共通のパッチプールからランダムに組み合わせることで、意味内容を破壊したネガティブ増強画像を生成します。このアプローチにより、劣化に特有の特徴は保持しつつ、オブジェクト関連の信号を排除し、元の画像特徴からネガティブサンプルの平均特徴を引き算することで、劣化関連の成分を抑制します。実験結果では、PandaがPDA手法よりも優れた性能を示し、さまざまなTTA手法の性能が大幅に向上することが確認されました。