管線範例（影片）

Spine2D 實驗 1：RDP 演算法曲線最佳化 — Spine 2D 基礎優化示範：Ramer–Douglas–Peucker（RDP）演算法移除多餘曲線/關鍵影格資料以縮小 JSON。RDP 可能移除重要關鍵影格，因此務必檢查動畫，並在 RDP 節點前用過濾節點排除敏感骨骼/插槽。 在 YouTube 觀看

Spine2D 實驗 2：量化演算法曲線最佳化 — 量化是最安全的曲線優化方式：將數值四捨五入（通常到小數 1 位）可立即降低大小。例： [0.115,14.5,0.222,-27.78] → [0.1,14.5,0.2,-27.8]。在輸出節點前最後一步使用量化節點以固定優化；影片展示幾乎難以察覺的前後差異。 在 YouTube 觀看

Spine2D 實驗 3：使用 Spline 與 Refit 重建曲線 — Spline 對直線段無損（移除中間多餘關鍵影格），Refit 則為有損但強大：將複雜區段重建為單一貝茲曲線。這些演算法適合在物理烘焙與 Schneider 節點清理後使用。注意：Refit 迭代超過 100 可能需數分鐘才找到最佳曲線。影片展示兩者運作方式與優化比例。 在 YouTube 觀看

Spine2D 實驗 4：使用附件可見性與清理節點移除冗餘資料 — 使用 Attachment Visibility 與 Cleanup 節點的結構性 Spine 2D 優化。Attachment Visibility 在 alpha 降為 0 時停用附件並在淡入時恢復，減少 draw call 與冗餘關鍵影格。Cleanup 移除邏輯冗餘：未使用的顏色/alpha 軌道、被約束完全控制的 IK 旋轉關鍵影格，以及路徑約束關鍵影格。影片說明此類邏輯優化與曲線簡化的差異。 在 YouTube 觀看

Spine2D 實驗 5：建立非線性管線（過濾器與合併節點） — 非線性 Spine 2D 優化：用過濾器（動畫、骨骼、插槽、參數、皮膚）分流資料，在平行分支執行不同演算法（例如身體骨骼採用強力壓縮、臉部動畫保持無損），再用 Merge 節點合併為單一 skeleton。此流程超越簡單的 Input → Optimize → Output，能只針對需要的部分優化。 在 YouTube 觀看

Spine2D 實驗 6：貼圖重打包與選擇性縮放（自訂節點） — 進階貼圖優化流程：Atlas Unpacker/Repacker 節點可在單一圖中完成 atlas 的拆包、縮放/壓縮與重打包，比標準 Spine 流程更快。非線性流程可分拆資產、保留角色貼圖 100%、其他縮至 25%，再合併為共享 atlas。Atlas/Asset Viewer 節點提供每一步的視覺檢視與過濾，便於設定縮放目標、選擇性處理並重組為可重用模板。 在 YouTube 觀看

Spine2D 實驗 7：使用縮放節點快速調整骨架尺寸 — 端到端 Spine 2D 優化流程加上骨架縮放。Scale 節點把繁瑣的 Spine 流程（匯出/匯入、repack/unpack、修正路徑）變成單一步驟：設定目標尺寸、在視窗即時預覽並即時迭代。影片整合曲線/關鍵影格優化、資產處理與骨架縮放。 在 YouTube 觀看

Spine2D 實驗 8：公開測試版節點總覽 — 公開測試版所有節點的總覽，以及 re‑polish 如何連結動畫師與開發者需求。涵蓋冗餘關鍵影格清理、Bézier→線性簡化、尺寸縮減的四捨五入、不可見附件移除、未使用屬性清理、非英文字元偵測，以及 atlas unpack/filter/scale/repack。Dual Viewer 以並排視覺與 FPS 比較驗證結果。Public Beta 於 re-polish.com 上線。 在 YouTube 觀看

Spine2D 實驗 9：將物理約束烘焙為關鍵影格 — 在這支影片中，我示範將物理約束烘焙為標準關鍵影格的最新實驗。新的烘焙演算法確保：完美循環（起始與結尾影格之間零抖動或跳躍）、最佳化檔案大小（自動清理曲線讓 JSON 尺寸接近原始）以及向下相容（烘焙後的關鍵影格可讓 Spine 4.2 的物理動畫在 Spine 4.1 甚至 4.0 中使用）。 在 YouTube 觀看