ComfyUI와 WAN 2.1을 활용한 7년 전 게임 영상 리마스터 작업기

커뮤니티 반응

작성자의 이전 리마스터 시리즈와 함께 긍정적인 반응을 얻었으며, 구체적인 워크플로우와 모델 링크 공유에 대해 유익하다는 평가가 주를 이루었다.

작성자는 Flux2 Klein Edit 워크플로우를 기반으로 게임 프레임을 실사화했다. 'Realism'이라는 단일 프롬프트만 사용하여 복잡한 설정 없이도 시각적 스타일을 효과적으로 변환했다. 변환된 이미지를 WAN 2.1 모델에 입력하여 최종 비디오를 생성했다.

기존의 Canny 엣지 검출 방식 대신 Depth 맵을 사용하여 영상의 공간적 깊이와 구조를 더 정확하게 유지했다. 이는 비디오 생성 과정에서 원본 게임의 물리적 구도를 해치지 않으면서도 세부 질감을 개선하는 핵심 전략이다.

Hugging Face의 QuantStack 저장소에서 제공하는 Wan2.1 14B VACE-GGUF 모델을 활용했다. 대규모 모델을 일반 사용자 환경에서 효율적으로 구동하기 위해 최적화된 버전을 선택하여 추론 성능을 확보했다.

작성자는 유튜브를 통해 구체적인 제작 과정을 공개하며 커뮤니티와 지식을 공유했다. Mafia 1이나 GTA 산 안드레아스 같은 고전 게임의 컷신을 리마스터링한 이전 작업물들과의 연계성을 통해 워크플로우의 범용성을 입증했다.

완 2.1(WAN 2.1): — 최신 오픈소스 비디오 생성 모델로, 고품질의 영상 생성 및 편집 기능을 제공한다. 이 프로젝트에서는 정지 이미지를 기반으로 일관성 있는 비디오를 생성하는 이미지 투 비디오(I2V) 작업의 핵심 엔진으로 활용됐다.
깊이 맵(Depth Map): — 이미지 내 객체와 카메라 사이의 거리 정보를 담은 흑백 지도이다. 비디오 생성 시 원본 영상의 공간적 구조와 형태를 유지하기 위해 Canny 엣지 검출 대신 사용되어 더 자연스러운 결과물을 만들어낸다.
GGUF 포맷(GGUF): — 대규모 모델의 가중치를 효율적으로 저장하고 로드하기 위한 파일 형식이다. 특히 로컬 환경에서 적은 메모리로도 고성능 모델을 추론할 수 있도록 최적화되어 있어 WAN 2.1과 같은 무거운 모델 구동에 필수적이다.

ComfyUI추천

노드 기반 AI 워크플로우 인터페이스

WAN 2.1추천

비디오 생성 및 리마스터링 엔진

Flux추천

이미지 생성 및 스타일 변환