我们提出SDFDiff，一种基于可微分渲染的图像驱动三维形状优化新方法，其采用有符号距离函数（SDF）表示三维形状。相较于其他表示方式，SDF具有能够表达任意拓扑结构形状的优势，并能保证表面完全封闭（watertight）。我们将该方法应用于多视角三维重建任务，在该任务中实现了高质量的重建结果，并能够准确捕捉三维物体的复杂拓扑结构。此外，我们引入多分辨率策略，以构建鲁棒的优化算法。进一步地，我们证明了基于SDF的可微分渲染器可与深度学习模型无缝集成，从而为无需三维监督的学习方法在三维物体上的应用开辟了新途径。特别地，我们将该方法应用于单视角三维重建，取得了当前最优的性能表现。