Hätten die Figuren mehr Tiefenwirkung, also mehr eine 3D-Grafik, würde es vielleicht etwas mehr her machen.
Aber wie Kelven schon erwähnt hat, sehen die Pixelfiguren wie Pappaufsteller aus und es wirkt so leider nicht wirklich stimmig, da die Bäume wiederum eigentlich
mehr Details zeigen und somit noch passen würden. Wären die Figuren ebenfalls so Detailreich, dann sähe das Ganze vielleicht wieder etwas anders aus.

Die Idee finde ich jedoch eigentlich ganz gut, nur muss man eben den genauen Zeitpunkt, wo man diese Videos einbindet perfekt abpassen, ansonsten stört es vielleicht auch nur.