我这里有段自适应采样的简要代码：
@ti.kernel
def pathtrace():
for i, j in image_pixels:
diff = diff_pixels[i, j] # for self-adaptive sampling
if diff > NOISE_THRESHOLD:
sample(i, j)
对于并行此任务，随着 sample 执行次数增加，diff 逐渐减小。随着 kernel 调用次数越来越多，大多数子任务会提前结束掉，而 sample 是一个计算量非常大的函数。
这会造成线程发散吗？这种情况应该如何优化？能否增加一个前置 kernel 和一个 buffer，将 diff < NOISE_THRESHOLD 的 (i,j) 映射到 diff > NOISE_THRESHOLD 的 (i',j') ，这样就可以让这个kernel不需要 if 来决定是否 sample。
- 但是这样的话可能会增加（随机）访存？
- 而且还要一个算法找到映射的方法，我想了一下这个是可以并行化的，而且计算复杂度应该比较小。
@ti.kernel
def build_map():
x, y = find_index(diff_pixels, i, j, NOISE_THRESHOLD)
# find_index 方法是适合并行的，它不一次性构建整个 map
# 而是随着 kernel 逐渐调用而修改 map
index_map[i, j] = (x, y)
@ti.kernel
def pathtrace():
for i, j in index_map:
x, y = index_map[i, j]
sample(x, y)
